文献

J-GLOBAL ID：201902282932964514   整理番号：19A1962229

実時間画像からの操舵制御のオンライン学習のためのCNNを用いた車線保持システムに関する研究【JST・京大機械翻訳】

A Study on a Lane Keeping System using CNN for Online Learning of Steering Control from Real Time Images

著者 (4件)： Nose Yohei (Graduate School of Information Sciences, Hiroshima City University) ,  Kojima Akira (Graduate School of Information Sciences, Hiroshima City University) ,  Kawabata Hideyuki (Graduate School of Information Sciences, Hiroshima City University) ,  Hironaka Tetsuo (Graduate School of Information Sciences, Hiroshima City University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITC-CSCC  ページ： 1-4  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自律走行制御システムにおける車線保持のためにCNNを使用することを提案した。CNNの学習は,教示データとして道路画像とステアリング操作を用いて実行される。運転時には,CNNによりカメラ画像からステアリング操作を生成する。白線が失われている道路や白線を持たない道路でも,学習されたCNNは自律的な運転制御を行うことができる。しかし,既存のCNN法の学習はバッチ処理である「バッチ学習」であり,運転の予測フェーズはあらかじめ固定されたCNNを使用する。学習に用いられる道路とは異なる特徴を持つ道路上での運転操作を制御することは困難である。本論文では,「運転中の学習」を実現するために,リアルタイムで入力データを受信しながら学習を行うことを意味する運転制御システムにおいて,「オンライン学習」を用いることを提案する。それは,運転時に非学習道路に対して追加的に学習することを可能にする。評価実験のために,小型ロボット車上でCNNを用いた自動運転制御のオンライン学習システムを実装し,実現可能性を調べた。オンライン学習の弱点である訓練データのバイアスの影響を低減するために,入力データを分類し入力する分割バッファを導入した。実験の結果から,CNN自律運転制御システムへのオンライン学習を用いることにより,「運転中の学習」を実現できる可能性がある。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  *画像 ,  ロット ,  制御系 ,  写真像 ,  道路 ,  *学習 ,  バイアス ,  位相
準シソーラス用語： 訓練データ ,  評価実験 ,  運転制御 ,  自律性 ,  *オンライン学習 ,  *実時間 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 実時間 ,  操舵制御 ,  オンライン学習 ,  CNN ,  車線 ,  保持システム ,  研究